lingvo

用 Google 的序列建模框架，快速搞定语音和翻译实验

Lingvo 是 Google 开源的深度学习框架，专注于序列建模任务，尤其擅长语音识别、机器翻译和语言模型。它基于 TensorFlow 构建，提供了一套模块化、可配置的组件，让研究者能快速搭建和实验复杂的序列模型。Lingvo 的核心优势在于其高度工程化的训练流程，支持分布式训练、混合精度和大量预置模型（如 Transformer、LSTM 等），并内置了多种数据集加载和评估工具。它解决了研究代码难以复现和扩展的问题，通过统一的配置系统，让实验管理变得清晰。Lingvo 在工业界和学术界都有应用，是语音和翻译领域的重要参考实现。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2864

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队tensorflow

所属国家

官网地址

GitHubhttps://github.com/tensorflow/lingvo

定价模式free

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型asr,distributed,gpu-computing,language-model,lm,machine-translation,mnist,nlp,research,seq2seq,speech,speech-recognition,speech-synthesis,speech-to-text,tensorflow,translation,tts

GitHub 星标★ 2864

30天Star增速

HF 下载量

上线时间2018-07-24 00:00:00

最近更新2026-08-15 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：进阶约 20 分钟部署方式：本地安装 5 步

环境要求

Python 3（用于 pip3 命令）
若从源码构建：TensorFlow 2.7、C++ 编译器（官方仅支持 g++ 7.3）、Bazel 构建系统
可选：Docker（用于使用官方提供的 Docker 配置）
运行 MNIST 示例需要能访问网络以自动下载数据集

安装与启动步骤

1安装 lingvo

通过 pip 安装冻结版本的 Lingvo，适合直接使用框架训练自定义模型，但不易修改框架代码。
```
pip3 install lingvo
```
2准备 MNIST 工作目录

创建 /tmp/mnist 目录并进入，随后下载 MNIST 模型参数文件。
```
mkdir -p /tmp/mnist && cd /tmp/mnist
```
3下载模型参数

从 GitHub 拉取 MNIST 的 params 文件到当前目录，命令中已指定保存路径 /tmp/mnist。
```
cd /tmp/mnist && curl -O https://raw.githubusercontent.com/tensorflow/lingvo/master/lingvo/tasks/image/params/mnist.py
```
4启动 MNIST 训练

以本地 CPU、同步模式运行 LeNet5 训练，日志写入 /tmp/mnist/log。约 20 秒后 loss 应低于 0.3。按 Ctrl+C 停止。
```
python3 -m lingvo.trainer --run_locally=cpu --mode=sync --model=mnist.LeNet5 --logdir=/tmp/mnist/log
```
5运行评估任务

训练与评估应作为两个独立进程同时运行，此命令在 Test 数据集上评估已保存的 checkpoint。
```
python3 -m lingvo.trainer --job=evaler_test --run_locally=cpu --mode=sync --model=mnist.LeNet5 --logdir=/tmp/mnist/log
```

关键配置

配置项	必填	说明	示例
`--run_locally`	是	指定本地运行模式，示例使用 cpu。	`cpu`
`--mode`	是	训练模式，示例为同步模式。	`sync`
`--model`	是	指定要运行的模型类名。	`mnist.LeNet5`
`--logdir`	是	日志与 checkpoint 输出目录。	`/tmp/mnist/log`
`--job`	否	指定任务类型，评估时使用 evaler_test。	`evaler_test`
`--logtostderr`	否	bazel 运行方式下把日志输出到 stderr。	`--logtostderr`

如何确认成功

训练日志中 loss 降到 0.3 以下并出现 Save checkpoint；评估日志出现 accuracy 与 acc5 数值即成功。

常见问题

Q：pip 安装和源码安装怎么选？

A：只想使用框架训练自定义模型选 pip；需要修改框架代码或实现自定义算子则克隆仓库用 bazel 构建。

Q：MNIST 训练和评估能只跑一个进程吗？

A：正常设置下 trainer 与 evaler 应作为两个独立进程同时运行。

Q：没有 GPU 能跑 MNIST 示例吗？

A：可以，README 的示例就是 --run_locally=cpu，其他大型模型才需要 GPU 集群。

Q：评估任务什么时候停？

A：它会等待新 checkpoint，出现 No new check point is found 时可用 Ctrl+C 停止。

注意事项

README 明确说明机器翻译需要 GPU 集群，请参考 mt/README.md。
GShard 万亿参数语言模型需要 GCP Cloud TPU v3-512，3D 目标检测同样需要 Cloud TPU。
从源码构建请以 docker/dev.Dockerfile 作为可用的依赖参考。
Docker 用户可使用 lib.dockerfile（预装 pip 包）或 dev.Dockerfile（源码构建）。

核心亮点

模块化设计，模型组件可复用，实验配置清晰
内置多种 SOTA 模型和数据集，开箱即用
支持大规模分布式训练，性能优化成熟

不足之处

依赖 TensorFlow 1.x，学习曲线陡峭
文档偏学术，上手门槛较高

适用场景

语音识别模型的研究与实验
机器翻译系统的开发与调优
语言模型和序列生成任务的探索

替代项目

ESPnet、fairseq、Kaldi

项目介绍

lingvo 是语音识别领域的开源项目，由 tensorflow 开发，2018 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,864）位列前 30%，在语音识别分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-15。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：语音识别模型的研究与实验。同类可对比的替代方案包括 ESPnet、fairseq、Kaldi。

上一篇：Easy-Voice-Toolkit

下一篇：phonikud